Abstract
Este documento fue elaborado por **Carolina Flores Luelmo**, como un trabajo parcial para la materia de **Microestructura y Sistemas de Trading**, en el cuál presentaremos el laboratorio 1, que en este trabajo nos servirá como parte del curriculum de la licenciatura en Ingeniería Financiera, también nos ayudara para poder presentar portafolios de una manera ordenada y visual para él **USUARIO**. En el presente trabajo se plantea la respuesta a la siguiente pregunta: *¿Qué estrategia de inversión propondrías si tu trabajo fuera administrar 1 Millón de pesos?*
Este Laboratorio se titula Inversión de Capital y forma parte del curso de Microestructura y Sistemas de Trading impartido en el ITESO por el docente Omar Villalobos. El objetivo principal de este proyecto parcial es responder: ¿Qué estrategia de inversión propondrías si tu trabajo fuera administrar $1$ millón de pesos? Dicho esto, es importante declarar que el laboratorio establece como alternativas a dos estrategias de inversión:
Ambas estrategias serán puestas a prueba para evaluar su desempeño y poder dar respuesta a la pregunta planteada, teniendo como prioridad en todo momento la apreciación de capital con el millón de pesos invertido.
In order to run this notebook, it is necessary to have installed and/or have the requirements.txt file with the following:
The following are the file dependencies that are needed to run this notebook:
# Main functionality
import main
Como bien se había mencionado, esta estrategia consiste en comprar acciones de las emisoras que componen al ETF NAFTRAC y evaluar su desempeño a lo largo del tiempo. Para esto es importante recalcar algunos supuestos importantes como el hecho de que se cuenta con un capital inicial de un millón de pesos, o que los costos por transacción son de un porcentaje fijo del $0.125\%$.
# Passive strategy
df_passive, df_metrics, fig1, fig2, fig3 = main.lab_passive(naftrac_date = 20200131, capital = 1000000, comission = 0.125)
fig1
fig2
A continuación el desempeño en temporalidad mensual de la estrategia de inversión pasiva.
# Results
df_passive
| Capital | Return | Cummulative Return | |
|---|---|---|---|
| Date | |||
| 2020-01-31 | 9.987921e+05 | NaN | NaN |
| 2020-02-28 | 9.370301e+05 | -0.061837 | -0.061837 |
| 2020-03-31 | 7.905443e+05 | -0.156330 | -0.208500 |
| 2020-04-30 | 8.357761e+05 | 0.057216 | -0.163213 |
| 2020-05-29 | 8.317515e+05 | -0.004815 | -0.167243 |
| 2020-06-30 | 8.682459e+05 | 0.043877 | -0.130704 |
| 2020-07-31 | 8.572860e+05 | -0.012623 | -0.141677 |
| 2020-08-31 | 8.553481e+05 | -0.002261 | -0.143617 |
| 2020-09-30 | 8.693475e+05 | 0.016367 | -0.129601 |
| 2020-10-30 | 8.610065e+05 | -0.009595 | -0.137952 |
| 2020-11-30 | 9.772917e+05 | 0.135057 | -0.021526 |
| 2020-12-31 | 1.028155e+06 | 0.052046 | 0.029399 |
| 2021-01-29 | 1.003669e+06 | -0.023816 | 0.004883 |
| 2021-02-26 | 1.043708e+06 | 0.039892 | 0.044970 |
| 2021-03-31 | 1.103740e+06 | 0.057519 | 0.105075 |
| 2021-04-30 | 1.126971e+06 | 0.021048 | 0.128334 |
| 2021-05-31 | 1.199962e+06 | 0.064767 | 0.201413 |
| 2021-06-30 | 1.186654e+06 | -0.011090 | 0.188089 |
| 2021-07-30 | 1.200448e+06 | 0.011624 | 0.201899 |
| 2021-08-31 | 1.259319e+06 | 0.049041 | 0.260842 |
| 2021-09-30 | 1.215926e+06 | -0.034457 | 0.217397 |
| 2021-10-29 | 1.219237e+06 | 0.002723 | 0.220711 |
| 2021-11-30 | 1.191292e+06 | -0.022920 | 0.192733 |
| 2021-12-31 | 1.274478e+06 | 0.069829 | 0.276019 |
| 2022-01-31 | 1.229759e+06 | -0.035088 | 0.231246 |
| 2022-02-28 | 1.280379e+06 | 0.041162 | 0.281927 |
| 2022-03-31 | 1.360573e+06 | 0.062633 | 0.362219 |
| 2022-04-29 | 1.238904e+06 | -0.089425 | 0.240402 |
| 2022-05-31 | 1.262397e+06 | 0.018963 | 0.263924 |
| 2022-06-30 | 1.166493e+06 | -0.075970 | 0.167904 |
| 2022-07-29 | 1.178215e+06 | 0.010049 | 0.179640 |
| 2022-08-31 | 1.108764e+06 | -0.058946 | 0.110105 |
| 2022-09-08 | 1.142635e+06 | 0.030548 | 0.144017 |
# Visualization
fig3
Por último, se presentan algunas métricas que hablan del desempeño de la estrategia de inversión pasiva en términos de rentabilidad y riesgo.
df_metrics
| descripción | inv_pasiva | |
|---|---|---|
| rend_m | Rendimiento promedio mensual | 0.00578712 |
| rend_c | Rendimiento mensual acumulado | 0.144017 |
| sharpe | Sharpe ratio | 0.102543 |
[1] Munnoz, 2020. Python project template. https://github.com/iffranciscome/python-project. (2021).